编写程序对比熬夜疲惫状态和精力充沛状态的创意质量，制定作息规则，保护脑力资源。

脑力状态对比与作息规则生成器

项目定位：一个基于 Python 的本地化数据分析工具，用于对比“熬夜疲惫”与“精力充沛”两种状态下的创意质量差异，据此生成个性化的作息规则，保护长期创新能力。

适用人群：修读“心理健康与创新能力”课程的学生、需要持续创意输出的开发者、设计师、科研人员。

技术栈：Python 3.8+，依赖

"rich"（终端美化）、

"pandas"（数据分析）、

"matplotlib"（可视化）。

一、实际应用场景描述

假设你是一个正在准备毕业设计的技术博主：

你坚持“深夜创作”三个月了。凌晨 1 点到 4 点，宿舍安静，你觉得这是自己的“黄金时间”。你确实产出了 12 篇文章，但回过头看，你发现一个残酷的事实：前 3 篇在白天写的文章，平均阅读量是后 12 篇的 3 倍，点赞率是 2.5 倍。

更糟的是，你现在白天开会时经常走神，下午 3 点必须喝咖啡才能维持清醒，周末一觉睡到下午 2 点还是觉得累。

你陷入了一个误区：把“时间可用性”当成了“创意可用性”。

这个工具要解决的问题是：用量化数据证明“熬夜创作”的真实代价，并通过对比分析，帮你制定一套保护脑力资源的作息规则，而不是空洞的“早点睡”建议。

二、引入痛点

痛点 表现 后果

状态混淆 把“清醒”等同于“有创造力” 在低质量状态下强行创作，产出垃圾

幸存者偏差 只记得熬夜时的“灵感爆发”瞬间 忽略大量熬夜产出的平庸内容

脑力透支 长期睡眠不足导致认知功能下降 创新能力不可逆损伤

作息随意 没有基于数据的个性化作息规则 依赖意志力而非系统设计

这些痛点的本质，是缺乏对自己脑力节律的客观测量和敬畏。

三、核心逻辑讲解

整个系统的数据流如下：

┌──────────────┐ ┌──────────────┐ ┌──────────────────┐

│ SessionLogger│───→│ QualityAnalyzer│───→│ RuleGenerator │

│ 创作时段记录 │ │ 质量对比分析 │ │ 作息规则生成器 │

└──────────────┘ └──────────────┘ └──────────────────┘

记录元数据 统计显著性检验 生成可执行规则

核心设计思想：脑力是有限可再生资源

1. 双重维度记录

- 客观指标：睡眠时间、起床时间、咖啡因摄入、工作时长

- 主观指标：精力评分（1-10）、创意流畅度、成果自评质量

- 产出指标：字数、代码行数、发布后数据（阅读量、点赞等）

2. 配对样本对比（Paired Sample Comparison）

- 不是简单比较“熬夜日”和“早睡日”，而是同一人在不同状态下的自我对照

- 计算每个指标的 Effect Size（效应量），判断差异是否具有实际意义，而不仅仅是统计显著

3. 脑力损耗模型

脑力净值 = 基础脑力 × (睡眠充足度) × (昼夜节律对齐度) - 认知负荷累积

- 连续熬夜会产生累积负债，不是睡一觉就能还清的

4. 规则生成算法

- 基于边际效用递减原则：找到“投入睡眠时间的收益拐点”

- 基于个体节律：识别个人的“创意高峰窗口”

- 输出 SMART 作息规则：具体、可衡量、可实现、相关、有时限

四、代码模块化与注释

项目共 7 个文件，职责清晰分离：

文件 职责 关键类/函数

"config.py" 睡眠质量分级、创意维度权重、规则模板

"SLEEP_QUALITY_MAP",

"CREATIVITY_DIMENSIONS",

"RULE_TEMPLATES"

"utils.py" 时间计算、统计函数、数据校验

"calculate_sleep_debt",

"cohens_d",

"normalize_score"

"session_logger.py" 创作时段记录与数据管理

"CreativeSession",

"SessionLogger.log_session",

"get_sessions_by_condition"

"quality_analyzer.py" 核心对比分析与统计检验

"QualityAnalyzer.compare_conditions",

"calculate_effect_size"

"rule_generator.py" 作息规则生成与优先级排序

"RuleGenerator.generate_rules",

"SleepScheduleRule"

"knowledge_cards.py" 6 张核心知识点卡片

"BRAINSLEEP_CARDS",

"print_card"

"main.py" CLI 入口与交互流程

"main()",

"run_log_session()",

"run_analyze_and_plan"

关键代码片段（

"quality_analyzer.py"）

def compare_conditions(self, metric: str) -> ComparisonResult:

"""

对比两种状态下的指定指标

核心逻辑：

1. 提取"充沛组"（睡眠≥7h，精力≥7）和"疲惫组"（睡眠<6h，精力≤4）

2. 计算均值、标准差

3. 计算 Cohen's d 效应量：

- d < 0.2：差异微小

- 0.2 ≤ d < 0.5：小效应

- 0.5 ≤ d < 0.8：中等效应

- d ≥ 0.8：大效应（具有实际意义）

4. 返回包含统计量和业务解读的结果

"""

fresh = self._filter_sessions(condition="fresh")

tired = self._filter_sessions(condition="tired")

fresh_values = [getattr(s, metric) for s in fresh]

tired_values = [getattr(s, metric) for s in tired]

mean_fresh = statistics.mean(fresh_values)

mean_tired = statistics.mean(tired_values)

# 计算效应量（Cohen's d）

pooled_std = self._calculate_pooled_std(fresh_values, tired_values)

cohens_d = (mean_fresh - mean_tired) / pooled_std if pooled_std > 0 else 0

# 业务解读

if cohens_d >= 0.8:

interpretation = f"充沛状态下的{metric}显著高于疲惫状态（大效应）"

practical_impact = "极高"

elif cohens_d >= 0.5:

interpretation = f"充沛状态下的{metric}中等程度高于疲惫状态"

practical_impact = "高"

else:

interpretation = f"{metric}在两种状态下差异不明显"

practical_impact = "低"

return ComparisonResult(

metric=metric,

mean_fresh=mean_fresh,

mean_tired=mean_tired,

difference=mean_fresh - mean_tired,

cohens_d=cohens_d,

interpretation=interpretation,

practical_impact=practical_impact

)

五、核心知识点卡片（节选）

项目内置 6 张知识点卡片，以下是两张与“睡眠与创造力”直接相关的卡片：

KC-501 睡眠与记忆整合（Memory Consolidation）

创造力并非凭空产生，而是旧知识的重组。慢波睡眠（深睡）负责巩固事实性记忆，REM 睡眠（快速眼动）负责整合抽象关联。剥夺 REM 睡眠会显著降低“顿悟（Aha!）”体验的概率。

KC-502 昼夜节律与认知表现（Circadian Rhythm）

人的认知能力呈 circadian（昼夜节律）波动。大多数成年人的警觉性和工作记忆在上午 9-11 点达到峰值，下午 2-4 点出现低谷，晚上 8-10 点可能有第二个小高峰。违背节律工作，效率可能下降 30% 以上。

完整 6 张卡片涵盖：记忆整合、昼夜节律、默认模式网络（DMN）、睡眠 inertia、脑力疲劳、超量恢复。

六、使用说明

环境准备

pip install rich pandas matplotlib

快速启动

git clone https://github.com/yourname/brain-energy-planner.git

cd brain-energy-planner

python main.py

交互流程

[1] 记录一次创作时段

[2] 查看历史记录

[3] 运行状态对比分析

[4] 生成个性化作息规则

[5] 查看知识点卡片

[6] 导出分析报告

[0] 退出

典型会话示例

>>> 请选择记录类型：[1] 精力充沛 [2] 熬夜疲惫

>>> 2

>>> 昨晚入睡时间：02:30

>>> 今早起床时间：07:00

>>> 主观精力评分（1-10）：3

>>> 咖啡因摄入量（杯）：2

>>> 创作类型：[1] 写代码 [2] 写文档 [3] 设计 [4] brainstorming

>>> 1

>>> 本次产出自评（1-10）：

创意流畅度：2

逻辑严谨性：4

整体质量：3

>>> 客观产出：

有效代码行数：120

花费时间（分钟）：180

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

✅ 记录已保存

💡 提示：这已经是本周第 4 次熬夜记录，脑力负债正在累积。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

（积累足够数据后运行分析）

>>> 选择 [3] 运行状态对比分析

╭─ 📊 脑力状态对比分析报告 ─────────────────────╮

│ │

│ 充沛状态样本数：8 │

│ 疲惫状态样本数：12 │

│ │

│ ── 核心指标对比 ── │

│ 创意流畅度: 7.8 vs 3.2 (d=1.42, 极大效应) │

│ 逻辑严谨性: 8.1 vs 5.4 (d=0.96, 大效应) │

│ 整体质量: 8.5 vs 4.1 (d=1.68, 极大效应) │

│ 产出效率: 85行/小时 vs 40行/小时 │

│ │

│ ── 关键发现 ── │

│ ⚠️ 熬夜状态下，创意流畅度下降 59% │

│ ⚠️ 逻辑错误率上升 38% │

│ ⚠️ 同等时间内，有效产出减少 53% │

│ │

│ 💡 结论：你的创意质量对睡眠极其敏感。 │

│ 熬夜不是“争取时间”，而是“浪费时间”。 │

│ │

╰────────────────────────────────────────────────╯

>>> 选择 [4] 生成个性化作息规则

🛡️ 基于你的数据，生成以下作息规则：

【R1】强制睡眠窗口（高优先级）

- 规则：工作日 00:30 前入睡，保证 7 小时睡眠

- 理由：你的数据显示，睡眠<6.5h 时创意质量断崖式下跌

- 执行：23:30 启动“数字宵禁”

【R2】创意时段锁定

- 规则：核心创意工作严格限制在 09:00-11:30

- 理由：此时间段你的逻辑严谨性评分最高（8.1/10）

- 执行：将此窗口设为“深度工作时段”，屏蔽所有通知

【R3】脑力负债偿还机制

- 规则：每熬夜 1 次，次日必须提前 30 分钟睡觉

- 理由：你的恢复周期较长，单次熬夜需要 2 晚才能完全恢复

- 执行：在日历中标记“还债日”

【R4】咖啡因截止时间

- 规则：14:00 后禁止摄入咖啡因

- 理由：你的睡眠敏感度较高，晚间咖啡因显著影响深睡比例

- 执行：14:00 后切换为白开水或花草茶

作为模块调用

from session_logger import SessionLogger

from quality_analyzer import QualityAnalyzer

from rule_generator import RuleGenerator

# 记录数据

logger = SessionLogger()

logger.log_session(

condition="fresh",

sleep_hours=7.5,

energy_level=8,

creativity_flow=8,

logic_rigor=9,

output_quality=9,

lines_of_code=200,

time_spent_minutes=120

)

# 分析对比

analyzer = QualityAnalyzer(logger.get_all_sessions())

report = analyzer.run_full_analysis()

# 生成规则

generator = RuleGenerator(report, logger.get_all_sessions())

rules = generator.generate_rules()

for rule in rules:

print(f"[{rule.priority}] {rule.title}")

print(f" 规则：{rule.rule}")

print(f" 理由：{rule.rationale}")

七、输出示例（分析报告片段）

# 脑力状态与作息优化报告

> 生成时间：2026-07-25

> 数据周期：2026-06-01 ~ 2026-07-24

> 总记录次数：28 次（充沛 10 次，疲惫 18 次）

## 📉 核心发现

1. **创意质量差距巨大**

- 充沛状态下平均产出质量：8.4/10

- 疲惫状态下平均产出质量：3.9/10

- **效应量 d=1.71（极大效应）**

2. **效率悖论**

- 熬夜看似“多工作 3 小时”，但因质量低下，需要额外 2 小时修改

- 净收益为负

3. **恢复滞后**

- 熬夜后需要平均 2.3 天才能恢复到最佳状态

- 连续熬夜会产生累积效应

## 🛡️ 个性化作息规则

### 绝对红线

- **睡眠底线**：工作日 ≥ 7 小时，周末补觉 ≤ 9 小时

- **创意时段**：09:00-11:30（你的黄金窗口）

- **数字宵禁**：00:00 前关闭所有屏幕

### 缓冲机制

- **脑力预算**：每周最多 1 次熬夜额度，且需提前申请

- **还债机制**：熬夜后 48 小时内必须补足睡眠

## 📊 数据可视化


---

*本报告由 Brain Energy Planner v1.0 生成，基于你的真实创作数据。*

八、总结

这个项目最想传达的一个反直觉观点是：熬夜不是勤奋，而是低效的自我欺骗。

作为开发者，我们早就接受了“过早优化是万恶之源”，但我们却心安理得地进行“过早消耗”——在最糟糕的状态下强迫大脑工作，然后花更多时间去修复由此产生的垃圾。

这个工具做的事情很简单：用数据说话，把“早点睡”从一个道德劝诫变成一个经济决策。

三句总结：

1. 时间是线性资源，脑力是指数资源 —— 凌晨 2 点的 1 小时，远不如早上 9 点的 1 小时值钱

2. 保护脑力比压榨脑力更可持续 —— 真正的专业主义，是像对待服务器一样对待自己的大脑

3. 数据是唯一的客观裁判 —— 不要让“我感觉还行”骗了你，让数据告诉你真相

愿你的每一次早睡，都是为了第二天更有力量的创造。

README.md（精简版）

# Brain Energy Planner

一个用于对比不同脑力状态下的创意质量、生成个性化作息规则的 Python 工具。基于实证数据，帮助用户保护脑力资源，提升长期创新能力。

## 核心理念

> 不要用战术上的勤奋（熬夜），掩盖战略上的懒惰（低效）。

## 功能特性

- 创作时段结构化记录

- 充沛 vs 疲惫状态对比分析

- 效应量（Cohen's d）统计检验

- 个性化作息规则生成

- 脑力负债追踪

- 数据可视化报告

## 快速开始

bash

pip install rich pandas matplotlib

python main.py

## 项目结构

brain-energy-planner/

├── config.py # 配置常量

├── utils.py # 工具函数

├── session_logger.py # 创作时段记录

├── quality_analyzer.py # 质量对比分析

├── rule_generator.py # 作息规则生成

├── knowledge_cards.py # 知识点卡片

├── main.py # CLI 入口

└── data/ # 数据存储与图表

## 理论基础

基于睡眠记忆整合理论、昼夜节律、认知疲劳研究、效应量统计等科学成果。

## 隐私说明

所有数据本地存储，无网络传输。

## License

MIT

本项目为教学演示用途，旨在促进科学作息与创新能力的结合。如有持续性睡眠障碍，请咨询专业医师。

利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！